우울증은 심각한 정신 건강 문제로, EEG 기반 우울증 분석 기술이 정확도 개선에 기여하고 있다. 하지만 EEG 특징은 중복, 관련 없는 정보, 노이즈를 포함하며, 데이터 손실과 같은 문제에 직면한다. 이를 해결하기 위해, 본 논문은 결측 채널 지표 정보와 적응형 채널 가중치 학습을 통합하여 불완전 채널의 영향을 줄이고, 전역 중복 최소화 학습을 통해 중복 정보를 줄이는 새로운 특징 선택 방법인 IDFS-MEC를 제안한다. MODMA 및 PRED-d003 데이터셋에 대한 실험 결과, IDFS-MEC가 3, 64, 128 채널 설정에서 10가지 인기 있는 특징 선택 방법보다 우수한 성능을 보였다.
